用户微表情信息表征研究综述

刘洋 吴佩 万芷涵 石佳玉 朱立芳

摘要：[目的/意义] 分析国内外微表情识别领域研究现状与趋势，为图书馆与情报领域用户微表情信息表征的研究提供参考。[方法/过程]基于文献计量的研究方法揭示近10年微表情识别领域的研究动态，分析微表情识别和信息表征的融合趋势、技术基础与困难挑战。[结果/结论]微表情数据集、微表情识别技术是当前研究热点；技术方法、安全伦理和数据库数量是当今发展的主要挑战；信息传递、信息反馈是图书馆和情报领域未来可发展的新兴研究领域，元宇宙、隐私问题和技术驱动等领域是未来的微表情识别技术的应用趋势。

关键词：微表情识别?0?2 ?0?2 信息表征?0?2 ?0?2 信息传递?0?2 ?0?2信息反馈?0?2 ?0?2 文献计量

分类号：C93

引用格式：刘洋， 吴佩， 万芷涵， 等. 用户微表情信息表征研究综述[J/OL]. 知识管理论坛， 2023， 8（3）： 215-227[引用日期]. http：//www.kmf.ac/p/346/.

表情是人类表达自身情感信息的一种重要的非言语性行为[1]，通过观察表情可以感知对方在明显或不明显行为之下的内在情感与心理活动。微表情既是人脸表情的重要组成部分，也是用户潜在情绪类信息的重要展示途径。

在具体情景下，微表情表现为持续时间短、表情中断和对面部肌肉运动的抑制[2]，因此，其所表达的情绪信息难以用肉眼直接捕捉，且识别难度较大，准确率较低[3]，有较强的局限性。随着计算机视觉、人工智能、情感计算等新兴技术不断发展，微表情的自动化识别取代人工识别已成为现实[4]。微表情自动识别是通过应用有效的刺激源，识别用户在人机交互过程中表露出的微表情，抽取相关信息数据，进而了解用户是如何被动表达其真实感受和想法的一?技术，被视为未来情感人机交互技术的重要研究方向[5]。

信息表征（information representation）是指信息在加工和记载过程中的表达方式[6]，当人们处理外部信息（如输入、编码、转换、存储和提取等）时， 信息则以表征的形式在头脑中呈现[7]，在面部形成了表情。其中，细微、难以察觉的信息则需要通过用户的微表情来识别、分析。微表情识别技术涉及信息科学、计算机视觉、生物学、心理学等研究领域，为信息表征相关的情报领域研究带来新视角，注入了新的活力。微表情是人在外部环境刺激下不经意间的情感表露，微表情识别旨在用计算机处理技术捕捉到这一过程中的信息表达，所以从过程上看，微表情是人在特定环境下反映在面部表情上的信息表征行为。笔者将心理学与计算机科学学科综合下的微表情识别引入信息资源管理领域，探究学科融合视角下两者的交叉与共鸣。

微表情识别和信息表征的相辅相成关系尚未得到充分研究，致使微表情识别技术的应用发展仍受到限制。笔者对人工智能等微表情识别技术进行追踪，通过文献计量的研究方法分析海内外的研究现状和发展动态，对微表情识别环节中所涉及的表征信息进行系统性总结和规范化表述，把握微表情识别中获取信息、利用信息的方式，可以进一步完善现有的理论框架，进一步拓宽情报学、信息科学的研究范式。同时，深刻反思实现过程中的困难和挑战，结合现状提出优化建议，以期促进相关机构和部门科学规划与统筹发展我国微表情识别领域研究及应用，强化微表情识别与人机交互的信息化建设，为信息资源管理等领域利用微表情识别技术提供多种应用场景 [8-9]。

1?0?2 用户微表情信息表征的研究现状和发展趋势

1.1?0?2 用户微表情信息表征的研究现状

笔者选取 Web of Science 核心合集、知网、谷歌学术等作为研究文献来源。文献类型为“Article or Review paper or Proceedings paper or Early access”，时间跨度为2012—2021年，语种为“English”，主题词根据“微表情识别”的概念和分类进行扩展，最终检索式为 TS=（“micro expression recognition” or “subtle expression recognition” or “micro-expression recognition” or “involuntary facial expression” or “subtle facial recognition” or “microexpression recognition” or “lying expression recognition” or “quick expression recognition” or “micro expression analysis” or “micro-expression analysis” or “micro expression detection” or “micro-expression detection”），检索去重后共获得260篇相关文献，以此作为本研究的总样本文献。

根据对样本文献的分析，由研究论文年出版数量（见图1）可知，近10年有关微表情识别的研究文献数量持续增长，并于近几年受到学者的持续关注；从作者发文量（见图2）可知，国内学者的相关研究占据重要地位，发文数量最多，但微表情识别领域整体发文数量相对平衡；从作者的合作网络密度（见图3）可知，两个学者之间的总共引次数达到20及以上的超过50%，低于5的仅有10%，合作密度较大，存在长期的相互交流，主要以3—4人合作团队为主，但各团队之间不同学科的合作交流发展仍需进一步推动；从研究机构发文量可知，上述样本文献隶属于36个不同国家/地区的研究机构，前15名的研究机构中有13所来自中国、1所来自芬兰、1所来自马来西亚，其中，奥卢大学、中国科学院排名前2位，发文数量都占据总文献的15%；从研究机构的合作网络密度（见图4）可知，研究机构之间的合作比较密切，微表情识别的发展迫切需要研究机构之间的合作交流；从出版社发文量可知，样本文献来自于28个出版社，其中，发文数量前5位的分别是IEEE、Springer Nature、Elsevier、MDPI和Assoc Computing Machinery，它们构成了微表情识别领域研究文献的核心来源，且IEEE地位显著（占样本文献的41.2%）。从研究方法可知，2012—2014年微表情识别领域以传统统计方法为主，2015—2018年以机器学习方法为主，2018年至今以深度学习为主。

1.2?0?2 用户微表情信息表征的发展趋势

1.2.1?0?2 高频关键词分析

根据总样本文献中出现的高频关键词，并进一步提炼核心网络得到高频关键词密度网络（见图5）。从“expression”“short duration”“computer vision”等关键词可以看出，微表情识别与人机交互之间存在一定的关联，而用户的信息表征产生于人机交互过程之中，故微表情识别和信息表征之间可能存在一定的关联。从“optical flow”“convolution neural network

提醒您：因为《用户微表情信息表征研究综述》一文较长还有下一页，点击下面数字可以进行阅读！

《用户微表情信息表征研究综述》在线阅读地址：用户微表情信息表征研究综述